¿Qué es GPT Transcribe?
GPT Transcribe (gpt-transcribe) es el modelo de voz a texto de OpenAI para grabaciones terminadas, transcripciones de archivos en streaming y turnos confirmados en sesiones de transcripción Realtime. Se publicó el 28 de julio de 2026. El 26 de agosto de 2026, OpenAI comunicó a los desarrolladores que whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe y gpt-4o-transcribe-diarize se retiran el 26 de febrero de 2027, y señaló como sustitutos gpt-transcribe y el modelo en streaming gpt-live-transcribe.
Acepta contexto libre, una lista de palabras clave esperadas y varias pistas de idioma, y puede transmitir texto parcial a partir de un archivo terminado. Los archivos están limitados a 25 MB en mp3, mp4, mpeg, mpga, m4a, wav o webm.
¿Cuánto cuesta GPT Transcribe?
| Plan | Precio | Qué incluye |
|---|---|---|
| gpt-transcribe | $0.0045 per minute ($4.50 per 1,000 minutes) | Sin soporte para Batch |
| gpt-live-transcribe | $0.017 per minute | Streaming |
0,0045 $ por minuto de audio (4,50 $ por 1.000 minutos); sin soporte para Batch. gpt-live-transcribe, en streaming, cuesta 0,017 $ por minuto.
¿Merece la pena GPT Transcribe?
GPT Transcribe es un modelo mejor que los que sustituye, y también más limitado. Artificial Analysis le mide un 3,3 % de AA-WER frente al 4,0 % de GPT-4o Transcribe, a 4,50 $ por 1.000 minutos en lugar de 6,00 $. Pero la guía de OpenAI dice que las marcas de tiempo por palabra solo funcionan en whisper-1 y las etiquetas de hablante solo en gpt-4o-transcribe-diarize, y ambos se retiran el 26 de febrero de 2027.
En precisión está en mitad de la tabla. ElevenLabs Scribe v2 obtiene un 2,2 % a 3,67 $ por 1.000 minutos, Gemini 3.5 Transcribe un 2,6 % a 5,00 $ y MAI-Transcribe-2 de Microsoft un 2,0 % a 1,67 $, funcionando a 307 veces el tiempo real, frente a 55,8 en GPT Transcribe. Whisper Large v3 Turbo alojado en Groq cuesta 0,67 $ por 1.000 minutos con un 4,6 %: peor, pero a una séptima parte del precio.
La factura de la migración no es igual para todos. Los equipos que usan whisper-1 o gpt-4o-transcribe ahorran un 25 %, pero gpt-4o-mini-transcribe cuesta 0,003 $ el minuto, así que, al dejarlo, la factura sube un 50 %. La lista de palabras clave ayuda con nombres de productos y jerga, aunque OpenAI advierte que las palabras clave son pistas, no una salida obligatoria, y una lista mal formada hace que se rechace toda la petición.
El tratamiento de los datos es un punto fuerte real. OpenAI indica que /v1/audio/transcriptions no tiene retención para control de abusos y que es apto para Zero Data Retention, el audio de la API no se usa para entrenar por defecto y la transcripción admite residencia de datos en Estados Unidos y Europa. Para una clínica o un despacho de abogados, eso vale más que un punto de tasa de error por palabra.
Dónde se gana su sitio
Un ingeniero de backend que mantiene una integración con whisper-1 en una app de notas
Migrar antes de la retirada de febrero de 2027
Cambia el nombre del modelo y sustituye el campo único de idioma por la lista de idiomas. El coste baja de 0,006 $ a 0,0045 $ el minuto, pero cualquier función basada en timestamp_granularities deja de funcionar, porque solo whisper-1 devuelve marcas de tiempo por palabra.
La responsable de cumplimiento de un despacho de abogados de 50 personas que transcribe llamadas de clientes
Obtener transcripciones sin que el audio se quede en los servidores de un proveedor
El endpoint de transcripción de archivos no guarda registros de control de abusos y es apto para Zero Data Retention, y los datos de la API no se usan para entrenar por defecto. Con 20.000 minutos al mes, la factura es de 90 $; atribuir las intervenciones a cada hablante sigue requiriendo una persona u otra herramienta.
Un responsable de operaciones de un centro de contacto de 200 puestos
Transcribir 500.000 minutos de llamadas al mes para evaluar la calidad
GPT Transcribe cuesta 2.250 $ al mes con ese volumen, frente a unos 835 $ de MAI-Transcribe-2 y 1.835 $ de Scribe v2 a los precios que recoge Artificial Analysis. No separa los turnos del agente y del cliente, algo que necesita la mayoría de las evaluaciones de calidad.
Antes de decidirte
- Puesta en marcha
- Un POST a /v1/audio/transcriptions con model fijado en gpt-transcribe. Los archivos de más de 25 MB deben comprimirse o dividirse, a ser posible en los límites entre frases, arrastrando el contexto en el prompt.
- Integraciones
- Solo transcripción de archivos y sesiones de transcripción Realtime; no está disponible a través de Chat Completions, Responses, Batch ni el endpoint de traducciones. La salida es JSON con el texto y los idiomas detectados.
- Datos y privacidad
- El audio de la API no se usa para entrenar salvo que lo autorices. El endpoint /v1/audio/transcriptions no tiene retención para control de abusos y es apto para Zero Data Retention; las sesiones de transcripción admiten residencia de datos en Estados Unidos y Europa.
- Coste a escala
- 100.000 minutos al mes cuestan 450 $, sin descuentos por volumen ni de Batch. El mismo volumen de audio en directo con gpt-live-transcribe cuesta 1.700 $.
- Límites
- 25 MB por archivo. 5.000 peticiones por minuto en el nivel Build, 10.000 en Launch y 30.000 en Grow. Sin marcas de tiempo por palabra ni etiquetas de hablante; unas palabras clave no válidas o un prompt demasiado largo hacen que se rechace toda la petición.
Lo bueno
- 3,3 % de AA-WER, mejor que GPT-4o Transcribe a un precio un 25 % menor
- Sin retención para control de abusos en el endpoint de transcripción; apto para ZDR
- Pistas de palabras clave, de contexto y de varios idiomas
- Funciona en sesiones de transcripción Realtime
Lo malo
- Sin marcas de tiempo por palabra ni etiquetas de hablante
- Menos preciso que Scribe v2, Gemini 3.5 Transcribe y MAI-Transcribe-2
- Un 50 % más caro que gpt-4o-mini-transcribe
- Límite de 25 MB por archivo y sin descuento de Batch
Ideal para
Equipos que usan la API de OpenAI, deben abandonar Whisper o GPT-4o Transcribe antes de febrero de 2027 y no necesitan etiquetas de hablante ni marcas de tiempo.
Alternativas a GPT Transcribe
GPT Transcribe: preguntas frecuentes
- ¿Merece la pena GPT Transcribe?
- Una mejora sensata para quienes trabajan con OpenAI, aunque la retirada de modelos que la acompaña elimina las etiquetas de hablante y las marcas de tiempo, y este modelo no las recupera. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta GPT Transcribe?
- 0,0045 $ por minuto de audio (4,50 $ por 1.000 minutos); sin soporte para Batch. gpt-live-transcribe, en streaming, cuesta 0,017 $ por minuto.
- ¿Qué inconvenientes tiene GPT Transcribe?
- Sin marcas de tiempo por palabra ni etiquetas de hablante; menos preciso que Scribe v2, Gemini 3.5 Transcribe y MAI-Transcribe-2; un 50 % más caro que gpt-4o-mini-transcribe; límite de 25 MB por archivo y sin descuento de Batch.
- ¿Para quién es GPT Transcribe?
- Equipos que usan la API de OpenAI, deben abandonar Whisper o GPT-4o Transcribe antes de febrero de 2027 y no necesitan etiquetas de hablante ni marcas de tiempo.
- ¿Cuánto cuesta GPT Transcribe para un equipo o en producción?
- 100.000 minutos al mes cuestan 450 $, sin descuentos por volumen ni de Batch. El mismo volumen de audio en directo con gpt-live-transcribe cuesta 1.700 $.
- ¿Es GPT Transcribe seguro para los datos de la empresa?
- El audio de la API no se usa para entrenar salvo que lo autorices. El endpoint /v1/audio/transcriptions no tiene retención para control de abusos y es apto para Zero Data Retention; las sesiones de transcripción admiten residencia de datos en Estados Unidos y Europa.
- ¿Cuáles son las mejores alternativas a GPT Transcribe?
- Las alternativas más cercanas que hemos analizado son ElevenLabs Scribe v2, Gemini 3.5 Transcribe y Deepgram Nova-3.
Respuestas comprobadas el 26 oct 2026.